该书是一本声学和语音信号处理领域的专著，全面系统地阐述了麦克风阵列的理论和应用。
全书共分为十章，涵盖了麦克风阵列信号处理领域中最重要的主题。
每章沿着从基本理论到实际应用的脉络进行描述，希冀为读者建立起最重要的基本概念。
[1]全书各章基本是自含的，可以按需求单独阅读每一章。
第1章介绍麦克风阵列的概念、特点和应用，以及全书组织结构。
第2章阐述了线性最优滤波器，这是麦克风阵列信号处理的基础。
第3章介绍了传统的窄带波束成形技术，引入了宽带波束成形的原理。
第4章介绍如何将线性限制最小方差滤波器（LCMV）用于室内声音环境下的噪声抑制和去混响。
第5章在一个统一的数学框架下，介绍了几种典型的单通道噪声抑制算法在麦克风阵列噪声抑制中的应用。
第6章在单通道和多通道两个方面介绍了频域最优滤波器，侧重协助读者理解在多通道条件下频域滤波器的工作原理。
第7章从多输入多输出（MIMO）系统的角度介绍了麦克风阵列在信源提取、去混响和干扰抑制等方面的应用。
第8章是第7章的延续，介绍了如何使用两步策略处理干扰源及混响问题。
第9章介绍了麦克风阵列条件下的波达方向（DOA）和时延估计（TDOA）问题。
第10章对本书中没有涉及的几个问题进行了讨论。
本书可以作为通信、信号处理和声学等相关专业研究生的教材或教学参考书，也可供从事相关工作的科研及工程人员参考。
[1]

比樊昌信的通信原理版本个人认为更好用《"十二五"普通高等教育本科规划教材·信息通信专业教材系列:通信原理(第4版)》系统、深入地引见了通信系统和通信网的基本原理与基本分析方法，是通信及信息专业的专业基础课教材。
《"十二五"普通高等教育本科规划教材·信息通信专业教材系列:通信原理(第4版)》概念清楚，取材新颖，书中列举了大量例题，还附有习题及部分习题答案。
《"十二五"普通高等教育本科规划教材·信息通信专业教材系列:通信原理(第4版)》可作为高等学校通信工程、电子工程和其他相近专业本科生的教材，也可供通信工程技术人员和科研人员作为参考书。

LZ复杂度分析随着人们对非线性方法的分析越加深入，他们发现，虽然关联维度和最大李雅谱诺夫指数在分析脑电时具有一定的协助，但是它们对数据的依赖性太强，对干扰和噪声太敏感，而且要得到可靠的结果需要大量的数据，这对于高度不平稳的脑电波来说无疑是相当大的局限。
科研人员迫切需要一种数据量少且具有一定抗干扰能力的方法，这时LZ复杂度算法应运而生，它是一种表征时间序列里出现新模式的速率的方法。
这个方法最先由Lempel和Ziv提出，因此取名为Lempel-Ziv复杂度。
直到1987年，才由Kaspar和Schuster提出了该算法的计算机实现方法。
对于一个待求字符串S(S1，S2，…，Sn)以及另一个字符串Q(q1，q2，…，qn)，SQ表示S和Q的级联，SQ=(S1，S2，…，Sn，q1，q2，…，qn)。
令SQv是SQ减去最后一个字符所得字符串。
判断Q是否是SQv的一个子串，如果Q是SQv的一个子串，说明Q中的字符是可从S复制的，这时把待求序列的下一个字符级联到Q。
如果Q不是SQv的一个子串，则表示Q是插入字符。
这时把Q级联到S，S=SQ，重新构造Q，重复以上过程直到Q取待求序列的最后一位结束。
每次Q级联到S，表明出现一种新模式，用c表示一个字符串中新模式的数量。
例如对于S=(10101010)，应用上面的方法可以得到c(8)=3个新模式：1，0，101010。

DeST是建筑环境及HVAC系统模拟的软件平台，该平台以清华大学建筑技术科学系环境与设备研究所十余年的科研成果为理论基础，将现代模拟技术和独特的模拟思想运用到建筑环境的模拟和HVAC系统的模拟中去，为建筑环境的相关研究和建筑环境的模拟预测、功能评估提供了方便实用可靠的软件工具，为建筑设计及HVAC系统的相关研究和系统的模拟预测、功能优化提供了一流的软件工具

sift特征点检测及图像拼接，matlab7.0实现的，我从别人那里整过来的，测试的话，用在matlab里面直接调用match('b1.jpg','b2.jpg')即可，我测试成功，里面也有阐明文档，为了科研，共享，希望大家有好的代码都0分共享，与己方便，与人方便，中国科研才会发展更迅速

jsp毕业设计+基于web的科研项目管理零碎（源程序+开题报告

随着计算机技术的发展，有限元法已成为非常强大的数值模拟工具，广泛应用于各个领域．目前，比较常用的大型商用有限元程序有ANSYS，ABAQUS，MARC，ADINA等，由于它们是通用有限元程序，在某些领域的特殊方面(如对于应力场、渗流场、温度场的耦合问题，土体的高度非线性问题等)还存在一定程度的不足；
而且在进行非线性计算时，一旦程序在运行过程中不收敛或者出现其它异常错误，用户就可能束手无策．为此，国内外很多科研人员都开发了适合各自领域的有限元程序，但烦琐的前后处理工作又使得程序的使用非常困难．尽管现在已有一些商业软件提供了较为强大的有限元前后处理功能，但如何让自己的有限元计算程序与前后处理软件有机结合起来不断是个有待解决的问题．西班牙巴塞罗那数值研究中心开发的有限元前后处理软件GID为解决这个问题提供了途径，但GID仅为用户提供了强大的前处理器、后处理器和用户自定制功能，而中间的计算程序需要用户自己提供(用户可以在其官方网站http://gid.cimne.upc.es/下载此软件)．利用GID提供的用户自定制功能和脚本语言TCL／TK对其进行了二次开发，定制出新的用户界面，使得用户在GID中可以直接定义几何体、进行网格剖分、指定边界条件和载荷、定义材料参数及其它计算程序所必需的数据，然后生成一个以ASCII码写成的数据文件，此数据文件可以为编译后的有限元计算程序调用进行计算．有限元计算程序生成的计算结果可以直接为GID所用，进人后处理环境进行结果分析．

支持向量机是数据挖掘中的一个新方法。
支持向量机能非常成功地处理回归问题(时间序列分析)和模式识别(分类问题、判别分析)等诸多问题，并可推广于预测和综合评价等领域，因此可应用于理科、工科和管理等多种学科。
目前国际上支持向量机在理论研究和实际应用两方面都正处于飞速发展阶段。
希望《数据挖掘中的新方法——支持向量机》能促进它在我国的普及与提高。
《数据挖掘中的新方法——支持向量机》对象既包括关心理论的研究工作者，也包括关心应用的实际工作者。
对于有关领域的具有高等数学知识的实际工作者，略去书中的某些理论部分，仍能对支持向量机的本质有一个概括的理解，从而用它解决自己的问题。
《数据挖掘中的新方法——支持向量机》适合高等院校高年级学生、研究生、教师和相关科研人员及相关领域的实际工作者使用。
序言符号表第1章最优化问题及其基本理论1·1最优化问题1·2最优性条件1·3对偶理论1·4注记参考文献第2章求解分类问题和回归问题的直观途径2·1分类问题的提出2·2线性分类学习机2·3支持向量分类机2·4线性回归学习机2·5支持向量回归机2·6注记参考文献第3章核3·1描述相似性的工具——内积3·2多项式空间和多项式核3·3Mercer核3·4正定核3·5核的构造3·6注记参考文献第4章推广能力的理论估计4·1损失函数和期望风险4·2求解分类问题的一种途径和一个算法模型4·3VC维4·4学习算法在概率意义下的近似正确性4·5一致性概念和关键定理4·6结构风险最小化4·7基于间隔的推广估计4·8注记参考文献第5章分类问题5·1最大间隔原则5·2线性可分支持向量分类机5·3线性支持向量分类机5·4支持向量分类机5·5ν-支持向量分类机(ν-SVC)5·6ν-支持向量分类机(ν-SVC)和C-支持向量分类机(C-SVC)的关系5·7多类分类问题5·8一个例子5·9注记参考文献第6章回归估计6·1回归问题6·2ε-支持向量回归机6·3ν-支持向量回归机6·4ε-支持向量回归机(ε-SVR)与ν-支持向量回归机(ν-SVR)的关系6·5其他方式的支持向量回归机6·6其他方式的损失函数6·7一些例子6·8注记参考文献第7章算法7·1无约束问题解法7·2内点算法7·3求解大型问题的算法7·4注记参考文献第8章应用8·1模型选择问题8·2分类问题的线性分划中的特征选择8·3模型选择8·4静态图像中球的识别8·5自由曲面的重建问题8·6应用简介8·7核技巧的应用8·8注记参考文献附录A基础知识A·1基本定义A·2梯度和Hesse矩阵A·3方向导数A·4Taylor展开式A·5分离定理附录BHilbert空间B·1向量空间B·2内积空间B·3Hilbert空间B·4算子、特征值和特征向量附录C概率C·1概率空间C·2随机变量及其分布C·3随机变量的数字特征C·4大数定律附录D鸢尾属植物数据集英汉术语对照表

该资源为PHM2009年应战赛的齿轮箱振动数据，内含数据的使用说、数据采集视频以及相关机械结构的实物图，可供科研人员使用

GPOPS4.1是一个可以进行大规模非线性优化的MATLAB工具箱.它可以进行轨迹优化,弹道优化等一系列问题.是科研人员的必备工具.里面含有丰富的例子.无须snop软件即可运转.

在日常工作中，钉钉打卡成了我生活中不可或缺的一部分。然而，有时候这个看似简单的任务却给我带来了不少烦恼。 每天早晚，我总是得牢记打开钉钉应用，点击"工作台"，再找到"考勤打卡"进行签到。有时候因为工作忙碌，会忘记打卡，导致考勤异常，影响当月的工作评价。而且，由于我使用的是苹果手机，有时候系统更新后，钉钉的某些功能会出现异常，使得打卡变得更加麻烦。 另外，我的家人使用的是安卓手机，他们也经常抱怨钉钉打卡的繁琐。尤其是对于那些不太熟悉手机操作的长辈来说，每次打卡都是一次挑战。他们总是担心自己会操作失误，导致打卡失败。 为了解决这些烦恼，我开始思考是否可以通过编写一个全自动化脚本来实现钉钉打卡。经过一段时间的摸索和学习，我终于成功编写出了一个适用于苹果和安卓系统的钉钉打卡脚本。